261 artigos
Nesta seção, exploramos a interseção fascinante entre a física e a análise de dados, onde teorias complexas encontram o poder da computação moderna para revelar padrões ocultos no universo. Aqui, os princípios fundamentais da matéria e da energia são aplicados a conjuntos de informações massivos, permitindo que cientistas testem hipóteses com precisão sem precedentes e descubram novas fronteiras no nosso entendimento da realidade.
No Gist.Science, monitoramos diariamente o arXiv para trazer as pesquisas mais recentes desta categoria diretamente até você. Processamos cada novo pré-publicação, oferecendo tanto um resumo técnico detalhado para especialistas quanto uma explicação em linguagem simples para que qualquer pessoa possa acompanhar as descobertas. Abaixo, você encontrará a lista atualizada dos artigos mais recentes em Física — Análise de Dados.
Este artigo demonstra que técnicas de inferência baseadas em simulação de aprendizado de máquina podem ser usadas para otimizar observáveis compatíveis com cálculos de precisão teórica, identificando que triângulos isósceles com razão de lados nos correlatores de energia oferecem a sensibilidade ideal para medir a massa do quark top.
Este artigo relata uma análise completa de anomalias inesperadas observadas em dados do experimento CMS ao utilizar o modelo de fundação OmniLearned, constatando que, embora a estimativa de fundo descreva bem as regiões de validação, ela falha em modelar a região de sinal, o que motiva um escrutínio adicional desses eventos e métodos.
Este trabalho apresenta um novo quadro de inferência baseado em *Flow Matching* e Simulação Baseada em Inferência (SBI) que permite a inferência conjunta bayesiana dos parâmetros do potencial galáctico e do progenitor do fluxo estelar GD-1, superando as limitações dos métodos tradicionais ao capturar acoplamentos complexos entre a dinâmica de desgarro de marés e o potencial subjacente.
Este estudo demonstra que, em estações de trem, a tendência de estranhos seguirem o caminho da pessoa imediatamente à frente, mesmo que isso aumente o tempo de viagem, é o principal motor das dinâmicas coletivas de multidões, criando padrões de movimento em cascata com implicações significativas para o gerenciamento de aglomerações e o design urbano.
Este artigo apresenta um operador de previsão analítico e sem treinamento para processos cíclo-estacionários em sistemas de energia, que supera os modelos de persistência clássicos ao incorporar simetrias temporais e propriedades estatísticas variantes no tempo para capturar com precisão as periodicidades diárias e sazonais.
O artigo apresenta duas abordagens de aprendizado de máquina desenvolvidas pelo experimento CYGNO para otimizar a redução de dados e a classificação de eventos em buscas por matéria escura: um autoencoder convolucional não supervisionado para extração eficiente de regiões de interesse e uma aplicação do framework CWoLa para identificar topologias de recuo nuclear sem rótulos de eventos.
Este estudo desenvolve e avalia um quadro de aprendizado de máquina baseado no Sistema Warn-on-Forecast (WoFS) que supera as abordagens tradicionais na previsão probabilística de perigos meteorológicos severos com 2 a 6 horas de antecedência, demonstrando a eficácia de modelos como Gradient Boosted Trees e U-Net para aprimorar os avisos de tempestades.
O artigo apresenta o NGCG, um pipeline neural-simbólico que descobre com precisão e sem falsos positivos leis de conservação em diversos sistemas dinâmicos, superando os desafios de ruído, caos e invariância não polinomial ao decoplar a aprendizagem de dinâmica da extração simbólica.
Este artigo apresenta um novo quadro de trabalho para a descoberta baseada em dados de equações diferenciais estocásticas que unifica a abordagem de forma fraca do Weak SINDy com a identificação de sistemas estocásticos, utilizando funções de teste espaciais Gaussianas para garantir a imparcialidade estatística e recuperar com precisão os geradores de deriva e difusão através de regressão esparsa regularizada.
Este artigo constrói uma função de global para o ajuste simultâneo de seções de choque dependentes de energia correlacionadas, levando em conta as correlações entre diferentes processos e pontos de energia, bem como as contribuições das medições de luminosidade integrada e de energia no centro de massa.